4. Data Mining and Machine Learning

Question 1

Data Mining

Answer 1

• Prozess, der statistische und mathematische Techniken sowie AI und Machine Learning verwendet, um Informationen und folglich Wissen (Knowledge) von großen Datenbanken zu identifizieren und extrahieren
• Data Mining Tools finden Muster in Daten und können Regeln/Modelle daraus schlussfolgern

Question 2

Data Mining Anwendungen

Answer 2

Question 3

Data Mining: Charakterisiken und Ziele

Answer 3

• Daten sind oft innerhalb sehr großer Datenbanken verborgen
• “Miner” ist häufig der Endnutzer, der mithilfe von Tools schnell Antworten erhält, auch ohne (oder mit nur wenig) Programmierkenntnissen
• Data Mining Tools sind leicht mit Spreadsheets und anderer Software zu verknüpfen, die gesammelten Daten können schnell analysiert und verarbeitet werden
• Manchmal wird Parallel Processing verwendet, aufgrund von großen Datenmengen oder großem Suchaufwand

Question 4

Data Mining Paradigmen

Answer 4

Question 5

Artifical Intelligence / Künstliche Intelligenz

Answer 5

• Automatisierung von Aufgaben durch automatische Schlussfolgerung und Entscheidung
• Endziel der AI: Maschinenintelligenz = Menschliche Intelligenz
• Diese allgemeine, unspezifische Intelligenz ist schwer zu erreichen, da die menschliche Lebenswelt sehr komplex ist
• Daher: Umgebungen und dazugehörige Probleme beschränken

-> Gegenwärtig ist AI meistens zweckmäßig auf bestimmte Aufgaben ausgerichtet

Question 6

Intelligent Agents

Answer 6

• Durch den Einsatz von Sensoren können Intelligent Agents ihre Umgebung wahrnehmen, um ihren internen Status zu updaten
• Durch Einsatz von Aktuatoren können sie ihre Umwelt beeinflussen
• Condition -> Action (if -> then)
• Beispiel Alexa: Nimmt Befehl zur Bestellung eines Produkts wahr -> Fordert Informationen über die gewünschte Bestellmenge an

Question 7

Machine Learning

Answer 7

• Erforschung von computerbasierte Algorithmen, die lernen können, die Bewältigung von Aufgaben zu verbessern auf Basis ihre eigenen vorherigen Erfahrungen
• Forschungsfeld: Wie kann man Verfahren entwickeln, die sich durch Erfahrung automatisch verbessern
• Die statistische Herangehensweise von Machine Learning ist gut geeignet, um Probleme in diesen eingeschränkten Feldern zu lösen
• Kann in überwachtes und unüberwachtes Lernen unterteilt werden

Question 8

Unsupervised / Supervised Learning

Answer 8

Unsupervised Learning:

• Clustering-Aufgaben (Datenpunkte innerhalb großer Datensätze nach ähnlichen Eigenschaften gruppieren)

Supervised Learning:

• Algorithmen, die sich mit Klassifikationsproblemen beschäftigen
• Sind ausgerichtet auf “labelled data” mit bestimmten Eigenschaften und treffen darauf basierend statistische Schlussfolgerungen (z. B. Entscheidungsbaum)

Question 9

Klassifikation

Answer 9

• Überwachte Induktion (vom Einzelfall aufs Allgemeine schließen), um Daten aus Datenbanken zu analysieren und automatisiert ein Modell zu generieren, das zukünftiges Verhalten vorhersagen kann (Deduktion)
• Die Klassen sind bekannt, Klassifikation stellt Muster in den Daten fest, um Beobachtungen einer der Klassen zuzuweisen
• Im Gegensatz dazu: Unsupervised Learning identifiziert Assoziationen / Zusammenhänge (Gruppierung)

Question 10

Klassifizierung: Herangehensweise

Answer 10

Neurale Netzwerke, Entscheidungsbäume, Instanzbasiert etc.

Verschiedene Ansätze unterscheiden sich hinsichtlich:

• Suchstrategie
• Effizienz bezüglich Genauigkeit der Klassifikation
• Effizienz bezüglich Ressourcen (CPU etc)
• Benötigte Eingabedaten
• Interpretierbarkeit der Ergebnisse, generierte Regeln/Modelle

Question 11

Klassifizierung mit Entscheidungsbäumen

Answer 11

Entscheidungsbäume klassifizieren Instanzen:

• Basierend auf ihren Attributen
• eine Abzweigung für jeden Wert -> Sortierung erfolgt abwärts
• z.B. Ist Age > 30? Wenn ja, handelt es sich um einen Studenten? Wenn ja, …

Question 12

Entscheidungsbaum Algorithmus

Answer 12

Allgemeiner Algorithmus, um den Entscheidungsbaum zu erstellen:

1. Startknoten erstellen und Attribut auswählen, an dem geteilt wird
2. Für jeden Wert, an dem aufgeteilt wird, Abzweigungen am Startknoten hinzufügen
3. Folgende Schritte wiederholen:
   a) Daten Klassifizieren, indem der Aufteilungswert angewendet wird
   b) Wenn der Endpunkt erreicht ist, “leaf node” erstellen und benennen. Ansonsten weitere Abzweigungen erstellen

Question 13

Datenanforderungen für Entscheidungsbäume

Answer 13

• Jedes Beispiel (Beispielinstanz) muss von den selben Attributen beschrieben werden, Attribute müssen eine feste Anzahl an Werten haben
• Vordefinierte Klassen: Die Attribute der Beispiele müssen bereits definiert sein
• Diskrete Klassen: Klassen müssen genau beschrieben sein (nicht vage)
• Hinreichend viele Beispiele: Genug Test Cases werden benötigt, um gültige Muster von Zufällen zu unterscheiden